4)
1) 제1저자, [email protected] 2) 제2저자, [email protected] 3) 교신저자, [email protected]
논문접수일 2021년 02월 01일 | 1차 수정 2021년 03월 17일 | 게재확정일 2021년 03월 23일
국내 프롭테크 기업의 발전방향에 대한 연구:
부동산 플랫폼 정보제공 기능을 중심으로
Study on the Development Direction of Domestic Proptech Company:
Focusing on the Real Estate Platform Information Provision Function
이정윤 (Jungyun Lee) 연세대학교 투자정보공학과
1)
오경주 (Kyong Joo Oh) 연세대학교 공과대학 산업공학과2)
안재준 (Jae Joon Ahn) 연세대학교 SWDH융합대학 데이터사이언스학부
3)
< 국문초록 >
부동산 시장은 대표적인 불완전 경쟁시장이다. 부동산 정보는 폐쇄적으로 수집, 활용되는 특징이 있으며, 시장참여자 는 그러한 정보 습득에 많은 시간, 노력 등의 정보탐색비용을 지불해야한다. 우리나라 부동산 공공데이터는 해마다 증가 하고 있으나 관계부처마다 산재되어 있고, 탐색 및 해석이 어려우며, 데이터를 분석, 가공해서 활용하는 부동산 산업 활 동의 수준이 낮다. 최근 4차산업혁명 속에서 부동산 시장에 필요한 정보를 효율적으로 제공하기 위한 산업으로서 프롭테 크 산업이 발달하게 되었다. 본 연구에서는 프롭테크 기업 중 부동산 플랫폼 분야의 주요 기업의 사례를 바탕으로 사용 자에게 제공하는 정보의 종류를 탐색적으로 살펴보고, 반대로 사용자로부터 수집한 데이터의 활용방안을 모색하였다. 본 연구의 결과는 부동산 시장의 정보 비대칭성을 완화하고 부동산 산업의 역량강화에 기여할 수 있는 방안에 대한 이론적, 실무적 시사점을 제공할 것으로 기대한다.
주제어: 프롭테크, 부동산시장, 정보 비대칭성, 지식경영, 정보탐색비용
1. 서론
매년 통계청에서 발표하는 가계금융복지조사에 따 르면, 2020년 기준 우리나라 가계 자산에서 부동산이 차지하는 비율은 약 71.2%로 상당부분을 차지한다.
그만큼 우리나라 사람들의 부동산에 대한 관심과 의 존도는 매우 높다. 그러나 부동산시장은 대표적인 불 완전경쟁시장으로서 수요와 공급에 의한 가격이 형성 되는 다른 일반경제 재화와는 달리 시장에서 균형가 격을 파악하기가 쉽지 않다. 부동산 자체가 고가의 자 산으로서 구매능력이 동반된 유효수요가 요구된다는 점, 부동산은 지리적 위치가 고정되어 있기 때문에 지 역환경의 영향을 많이 받고, 정보 수집 등을 위해서는 임장활동이 필요하다는 점 등의 부동산 고유의 특성 들로 인해 가격형성과정이 일반 재화와 달리 복잡하 고 다양하기 때문이다. 따라서 부동산 시장을 파악하 기 위해서는 거시경제, 미시경제 전반에 대한 정보뿐 만 아니라 부동산 자체의 고유 속성 및 부동산 거래 속성 등에 대한 광범위한 정보의 파악이 필요하며, 이 를 위해서는 많은 시간과 비용, 정보수집 능력이 요구 되는 바 시장참여자 사이에 부동산 시장 정보에 대한 비대칭성 문제가 크다. 이러한 정보의 비대칭성 문제 는 부동산 거래의 안정성 문제와 직결되는 사안으로, 글로벌 종합부동산서비스 회사인 존스랑라살(JLL)과 글로벌부동산 투자회사인 라살(LaSalle)자산운용이 2 년마다 조사해서 발효하는 글로벌 부동산 투명도 지 수에 따르면 2019년 말 기준 우리나라는 전체 99개의 조사대상 국가 중 30위에 머물러 있다. 영어권 국가가 가장 높은 순위를 유지하고 있는 것으로 나타났으며, 이들 국가에서는 부동산 시장의 새로운 데이터 제공, 자금세탁방지 규제 등을 통해 투명도를 향상한 것으 로 나타났다.
우리나라는 2006년 1월부터 부동산 실거래가 신고
제도가 시행되고, 국토교통부에서 부동산의 실거래 가격, 공시지가 등의 가격 정보를 제공함으로써 부동 산 시장에 정보접근성을 향상시키기 위한 제도적인 체계를 구축하였다. 최근에는 국토교통부가 “제1차 부동산서비스산업 진흥 기본계획(2021년~2025년)”을 발표하여 부동산 서비스산업의 고부가가치화와 신뢰 확보를 위한 제도적 기반을 마련하였다. 이러한 시대 적 흐름과 정보통신기술의 비약적인 발전과 더불어 부동산 시장에 필요한 정보를 신속하고 효율적으로 제공해 주기 위한 민간기업이 많이 발전하게 되어, 프 롭테크(Proptech)라는 새로운 산업영역을 칭하는 용어 가 생겨났다. 프롭테크는 부동산(Property)과 기술 (technology)의 합성어로서, 인공지능, 빅데이터, 블록 체인 등 정보기술 등을 활용하여 부동산 중개, 임대, 관리, 개발 등의 사업영역에서 서비스를 제공하는 산 업을 말한다. 이러한 프롭테크 기업의 발전은 부동산 시장 참여자들에게 보다 다양한 정보를 효율적으로 제공해주는 환경을 구축하여 부동산 시장 정보에 대 한 비대칭성 문제를 완화하는 데 기여할 것으로 보인 다. 특히 2020년 COVID-19의 확산이 장기화됨에 따 라, 비대면을 의미하는 ‘언택트(Untact)’와 온라인을 통한 상호간의 연결을 의미하는 ‘연결(On)’의 합성어 인 ‘온택트’라는 새로운 흐름이 나타났고 부동산 플랫 폼 기업의 사용자 수가 크게 증가하였다.
이에 따라 본 연구에서는 부동산시장의 정보의 비 대칭성 해소에 기여하는 서비스 측면에서 한국프롭테 크포럼 회원사 중 “데이터와 가치평가” 분야에 해당 하는 주요 업체들이 제공하는 부동산 정보에 대해서 점검하고, 그 중 대표적인 부동산 플랫폼 기업 중 하 나인 “밸류업시스템즈”를 중심으로 기업이 제공하고 있는 데이터와 해당 플랫폼 사용자로부터 수집한 데 이터의 유용성을 개략적인 통계적분석을 바탕으로 탐 색하고자 한다. 이를 통해 부동산 업계의 역량 강화
방안을 모색하고, 부동산 시장의 정보 비대칭성 완화 에 기여할 수 있는 실무적 시사점을 제공할 것으로 기 대한다.
본 연구 논문의 구성은 다음과 같다. 2장에서는 국 내 주요 프롭테크 업체 현황과 관련 문헌들에 대해서 소개하였으며, 3장에서는 본 연구에서 적용되는 분석 방법론에 대해서 간단히 소개한다. 4장에서는 국내 대 표적인 프롭테크 기업들을 대상으로 실증분석을 하였 으며, 5장에서는 실증분석 결과를 바탕으로 국내 프롭 테크 기업들의 향후 발전방향에 대해 제안하였다. 마 지막으로 6자에서는 본 연구의 결론과 시사점에 대해 제시하였다.
2. 국내 주요 프롭테크 업체 현황 및 관련 문헌 고찰
2.1. 프롭테크의 개념
프롭테크는 2009년 이후 영국의 주도하에 시작되 어, 유럽, 북미, 아시아 전반에 급속도로 전파되었다.
프롭테크에 대한 정의는 분석 주체에 따라 차이가 있 는데, KB금융지주 경영연구소보고서(KB지식비타민, 2018)에서는 프롭테크를 부동산 데이터를 이용한 사 업을 통해 성공한 스타트업과 디지털화된 신부동산 서비스를 제공하는 기업이라고 정의한다. 주요 영역 으로는 중개 및 임대, 부동산 관리, 프로젝트 개발, 투 자 및 자금조달 등이 있다. JLL(2017, 2018)은 프롭테 크를 부동산의 구매, 판매, 임대, 개발, 관리의 전단계 에서 기술을 활용하는 것을 포괄하는 것으로서, 부동 산 중심으로 기술을 활용하여 부동산 서비스를 보다 효율적으로 개발하거나 개선하는 것으로 정의하고 있 다. 옥스퍼드대 보고서인 ‘프롭테크 2020’는 프롭테
크 영역을 스마트 부동산, 부동산 핀테크, 부동산 공 유 경제, 데이터 디지털화와 분석 등 4가지로 분석하 였다. 미국에서는 프롭테크와 동일한 개념으로 REtech(Real Estate Technology)란 용어가 쓰이고 있고, 상업용 부동산은 더 세분하여 CREtech(Commercial Real Estate Technology)라는 용어도 일반적으로 사용 되고 있다. 그 외에도 핀테크, 플랫폼 비즈니스, 공유 경제 등 기술을 결합한 업태를 다양하게 포괄한 용어 들이 혼재되어 있는 상황이다(허윤경, 김성환 2019).
이에 Baum(2017)은 프롭테크와 핀테크를 구분하고, 부동산에 특화된 핀테크를 별도로 부동산 핀테크로 규정하기도 했다. 프롭테크는 이론적 기반이 아닌 실 무적 기반을 바탕으로 생겨난 만큼 그 용어의 정의 및 기준이 명확하지는 않지만, 부동산 시장에서 정보기 술을 활용하는 산업 전반을 일컫는 용어로, 스마트 부 동산, 공유 경제, 그리고 핀테크를 아우르는 광의의 개념으로 보는 것이 일반적이다.
2.2. 국내 주요 프롭테크 업체 현황
프롭테크와 관련하여 국내에서 공식적 지위를 갖고 있는 단체는 2019년 국토교통부로부터 사단법인 인가 를 획득한 한국 프롭테크 포럼이 있다. 한국 프롭테크 포럼은 2018년 11월, 26개사로 출범하여 현재, 부동산, IT/TECH, 금융 등 다양한 분야에 해당하는 회원사가 있으며 2020년 회원사가 200개사를 돌파하여 꾸준히 성장하고 있다. 분야는 직방, 호갱노노, 부동산114 등 시장참여자에게 부동산의 매물정보를 소개하는 부동 산 분야와 우수 인테리어 사례를 공유, 인테리어 제품 정보, 비용 등을 소개하는 오늘의 집, 집닥, 한샘 등의 업체가 속한 인테리어 분야, 그리고 그 외 부동산 관 리 분야, 공유서비스분야, 블록체인분야, P2P/펀딩 분 야 등 다양하다. <그림 1>은 한국 프롭테크 포럼 회원
사들을 보여주고 있는데 이에 해당하는 업체들은 현 대건설, 대림건설 등 대기업부터 스타트업 기업까지 다양하며, 꾸준히 성장하고 있다.
해당 분야 발전과 함께 관련 특허 출원의 건수도 꾸 준히 상승하고 있다. 특허청에 따르면 부동산 관련 4 차 산업기술 분야 출원건수가 2016년기준 28건이던 것이 2019년에는 69건으로 크게 증가하였다. 전체 출 원 건수(181건) 중 서비스 분야별 출원 동향에 따르면 빌딩 관리 분야가 약 43%로 가장 많고, 거래 및 투자 분야가 23%, 정보 제공분야가 19%에 해당한다. 부동 산 시장의 정보 비대칭성 완화에 기여하는 측면에 관 련한 분야는 “정보 제공” 분야로서, 다양한 프롭테크 업체 중 빅데이터와 인공지능을 이용한 시세 예측, 상 권 분석 등 부동산 관련 정보를 제공하는 분야인 “데 이터와 가치평가” 영역에 해당하는 업체는 19곳으로 스타트업 업체가 주를 이룬다.
2.3. 국내 프롭테크 관련 선행연구
국내 프롭테크 관련 연구는 아직 미성숙 단계로, 대 다수의 논문이 2020년도에 발표되었다. 이경렬과 이 경아(2020)는 언택트 시대 플랫폼 비즈니스의 인공지 능(AI)활용 사례연구로서 유튜브, 넷플릭스, 에어비엔 비, 우버 등과 같은 세계적인 유니콘 기업들의 사례 분석을 통해 비즈니스 역량과 효과를 검토하였다. 박 인(2020)은 국제간의 블록체인 기반의 부동산 거래를 성공시킨 미국의 Propy 기업의 사례를 토대로 블록체 인 기반의 부동산 거래시스템의 필요성을 강조하고 향후 국내 도입방안을 모색하였다. 배상영과 정기동 (2020)은 부동산 플랫폼 Biz Model의 사례연구로서, 숙박과 부동산 중개를 중심으로 한 해외 플랫폼 업체 인 에어비앤비와 질로우, 국내 플랫폼 업체인 야놀자, 직방, 알스퀘어를 비교 분석하였다. 임혜연(2020)은
<그림 1> 한국 프롭테크 포럼 회원사
국내 프롭테크 업체 중 하나인 스페이스워크기업 단 일 사례를 대상으로 해당 기업의 빅데이터와 인공지 능기술을 분석하였다. 김선주와 장희순(2020)은 부동 산 전문가들을 대상으로 한 설문을 통하여 프롭테크 시대의 부동산 업계의 역량강화와 대응방안을 분석하 여 부동산 산업이 프롭테크 산업으로 발전할 가능성 정도를 높게 보았으며 기술 중요도는 빅데이터, 필요 역량은 데이터 분석 능력인 것으로 조사하였다. 최수 석(2019)은 우리나라 부동산 핀테크 기업의 현황을 검 토하였다. 국내업체로서 피노텍, 집펀드, 헬로펀딩, 탱 커펀드 등을 예를 들었고, 해외 업체로는 AI를 활용한 주택담보대출 사례 등을 들어 부동산 핀테크 산업이 성장하기 위한 과제로서 IT기술을 적극적으로 활용하 고, 금융제도 개선 등을 위해 노력해야 함을 강조하였 다. 이상의 선행 연구는 프롭테크 관련한 기업들의 사 례를 연구하거나 관련 종사자들에 대한 설문조사 등 을 통하여 프롭테크 산업 발전을 위한 방안을 모색하 였다.
3. 연구방법론
3.1. 사례 연구 방법론
본 연구는 국내 프롭테크 기업이 제공하고 있는 부 동산 정보에 대해 탐색적으로 살펴보고, 이러한 데이 터의 신뢰성 및 향후 활용방안 등을 검토하여 향후 비 즈니스 모델에 대한 제언 및 실무적 시사점을 제공하 고자 한다. 연구 방법론으로는 질적 연구 방법으로써 사례연구방법(Case study method)에 기반하였다. 사례 연구는 관찰, 면접, 시청각자료, 문서 등을 포함한 다 양한 정보원을 통하여 상세하고 심층적인 자료를 수 집하여, 사례를 기술하거나 사례의 주제를 보고하는
것이다 (Creswell 2007). 사례 연구는 사례를 중심으로 다양한 요소들이 상호작용하는 과정을 이해할 수 있 어 기존 이론의 타당성을 실증하는 것뿐만 아니라 새 로운 이론을 창출 할 수 있는 기회를 제공하는 측면에 서 의미가 있다 (Eisenhardt and Graebrner 2007). 분석 대상인 사례가 단일사례인지 다수의 사례인지에 따라 단일사례연구방법과 다중사례연구방법으로 구분된 다. 단일사례연구는 이미 잘 알려진 명제를 검증하기 위해 가장 중요한 단일의 사례가 있는 경우, 하나의 사례가 대다수의 다른 사례들을 대표하는 경우, 과거 에는 조사가 불가능했던 현상을 하나의 사례를 통하 여 관찰하고 분석함으로써 새로운 정보를 획득하고자 하는 경우 등에 있어 방법론으로 활용된다. 일반적으 로 다중사례연구가 단일사례연구보다 더 설득력 있고 공고한 방법으로 알려져 있다.
3.2. 통계적 분석 방법론
분석 대상 프롭테크 기업은 각자 자신들만의 강점 을 가진 플랫폼을 기반으로 성장하였다. 플랫폼은 공 급자와 사용자가 상호작용하면서 진화하여 양자 모두 에게 새로운 가치와 혜택을 창출하는 상생의 공간을 형성 (Simon 2011; 최병삼 2012; 조용호 2011; 이경주, 김은영 2020) 한다. 따라서 플랫폼을 기반으로 한 대 상 기업들은 사용자에게 데이터를 효율적으로 제공하 는 역할도 하지만 반대로 사용자로부터 제공받은 데 이터를 누적하며 성장한다. 이러한 데이터는 사용자 의 수가 증가할수록 급속하게 증가해 나가고 또 하나 의 빅데이터 시장으로 진화하게 되는 것이다. 빅데이 터란 디지털 환경에서 생성되는 데이터로써 4차산업 혁명 시기에 기업 혁신과, 경쟁력 강화, 생산성 향상 을 위한 중요한 원천이자 경제적 자산이다 (McKinsey 2011; 김정선 등 2014; 최봉 등 2019). 국내 프롭테크
산업은 아직 미성숙 단계에 있어 그 데이터의 양이 타 산업에 비해서 적은 편이지만 성장 초기의 데이터를 통계적으로 미리 점검해보고 향후 활용방안을 모색하 는데 의의가 있다.
본 연구는 밸류업시스템즈가 플랫폼을 통해 수집한 2가지 종류의 데이터를 대상으로 t-검정 및 단순회귀 분석을 하였다. t검정은 두 집단 내 변화량을 고려해 두 집단 간 평균이 통계적으로 유의미하게 차이를 나 타내는 지를 검증하는 통계 분석 기법이다. 본 연구에 서는 공인중개사로부터 획득한 데이터 중 부동산 가 격수준을 평가한 항목과 관련하여 적정거래로 응답한
<집단1>과, 저가거래로 응답한 <집단 2>로 나누어 각 각의 평균 비교를 위해 T검정을 통해 통계적 유의성 을 검증하였다. 사용자로부터 수집한 검색량 정보는 회귀분석을 통해 분석하였다. 회귀분석은 하나의 종 속변수와 하나 혹은 그 이상의 독립변수와의 관계를 분석할 때 사용한다. 단순회귀분석은 종속변수와 독 립변수를 일대일로 비교하는 방법이다. 본 연구에서 는 부동산의 거래동향을 파악할 수 있는 대표 지표인 거래량을 종속변수로 하고, 플랫폼 사용자의 관심지
역 검색량 수를 독립변수로 하여, 해당 데이터가 거래 량을 설명하기에 유의미한 변수인지, 양자가 어떤 관 계가 있는 지를 검토하였다.
4. 실증분석
4.1. 사례분석
4.1.1. 밸류업시스템즈(밸류맵)
부동산의 유형은 크게 건물과 그 대지사용권이 일 체로 거래되는 아파트, 다세대주택, 구분점포 등의 구 분건물과 토지와 건물이 별개의 부동산으로 관리되는 통칭 토지·건물(단독주택, 근린생활시설, 업무시설 등)로 구분된다. 국토교통부에서 제공하는 실거래가 정보 중 구분건물의 경우는 해당 구분건물의 소재지 가 구체적으로 기재되어 있어 위치를 특정할 수 있으 나 토지·건물의 경우 국토교통부에서 제공하는 실거 래가 정보에 해당 부동산의 소재지가 공개되지 않아 사용자가 위치를 확인하기 어려운 한계가 있다. 한편
<그림 2> 밸류업시스템즈 메인화면(실거래가, 매물정보 등 시각화)
국토교통부에서 제공하는 대표적인 부동산 정보 중 하나인 토지특성 정보는 해당토지의 소재지, 지목, 면 적, 용도지역, 토지용도, 고저, 형상, 도로 접면, 개별 공시지가에 대한 정보를 제공하고 있으나 실거래가를 확인하기 어려운 한계가 있다. 밸류업시스템즈는 공 공데이터의 불완전한 정보를 보완하기 위하여 각각을 통합하는 정제기술을 활용하여 지도상에 해당 부동산 의 위치를 특정하여 사용자가 효율적으로 실거래가 정보를 확인할 수 있는 서비스를 주축으로 성장하였 다. 사용자는 해당 부동산을 조회하는 경우 거래내역 과 거래금액, 거래 년도 등을 포함한 실거래가 정보 및 해당 부동산 특성 정보를 <그림 2>에서 보여지는 것처럼 지도상에서 확인할 수 있다.
또한 소상공인 상권정보시스템과 연동한 DB를 활 용하여 해당 부동산에 입점한 업종 및 브랜드를 확인 할 수 있으며, 인근 지역의 개발정보 및 관련 뉴스를 제공함에 따라 사용자는 해당 뉴스를 하나씩 검색해 서 찾아야 했던 기존의 방식보다 탐색비용을 절약할 수 있게 되었다. 특히 토지의 위치는 인간의 힘으로 이동시킬 수 없다는 지리적 위치의 절대성인 고정성 (경응수 2010)이란 특성이 있어 부동산의 거래, 이용, 관리, 평가 등에 있어서 직접 주변 환경을 확인해야 하는 임장활동이 요구된다. 밸류업시스템즈는 각 대 상 부동산에 대한 현장사진 정보를 포함하며, 지도상 에 연동되어 있는 로드뷰를 통해 임장활동을 하지 않 아도 주변환경을 파악할 수 있도록 도움을 주어 부동 산 정보 탐색 시간을 줄이고 분석대상을 인근 지역만 으로 한정하는 것이 아니라 전국으로 확장할 수 있도 록 하였다. 또한 사용자 리뷰를 바탕으로 지역의 인구 동향, 일자리 수, 개발호재, 투자매력 등의 평점을 공 개하고 있다. 그 외에도 경매가격 및 낙찰가율 등을 포함한 경매정보, 전국 지구단위계획정보, 전국 위치 기반 산업단지 정보, 인근 부동산거래분포, 인근 유사
거래사례 등의 정보를 제공하여 효율적으로 부동산 시장 전반에 대한 상황을 파악할 수 있도록 하고 있으 며, 연말 결산 보고서를 통해 인기 상승지역 검색순위 에 대한 정보를 제공하고 있다. 2020년에는 부동산 매 물 정보도 공개하고 있는데 기존 부동산 매물 소개 업 체와의 차이점은 실매물확인서라는 보고서를 통해서 중개 대상물건의 거래면적, 매도금액, 거래유형뿐만 아니라 현장 사진, 임대현황 및 리모델링 여부 등의 세부 정보를 할 수 있다는 점이다. 또한 하나의 매물 에 하나의 공인중개사를 매칭하고 각 매물에 대한 실 매물여부의 검증을 하여 허위매물을 가려내는 과정을 두고 있다. 또한 공인중개사가 직접 매매를 성사시켰 던 내용을 표기하도록 하여 공인중개사에게는 홍보의 수단으로 플랫폼을 이용할 수 있게 하고 사용자에게 는 본인 관심 지역의 공인중개사의 업무실적, 경력 등 을 비교할 수 있게 하였다. 또한 중개성공사례 등록 시 중개 매물에 대한 가격 수준에 대한 평가 등의 정 보를 수집하여 향후 서비스 발전에 이용할 수 있도록 하고 있다.
4.1.2. 디스코
디스코는 상업용 부동산 실거래가 정보 제공으로 시작하여 현재는 토지, 상가, 사무실, 공장, 아파트, 오 피스텔, 연립·다세대주택 등 모든 부동산 유형의 실거 래가 정보를 제공하고 있다. 밸류업시스템즈와 마찬 가지로 디스코 또한 유관기관에 산재되어 있던 토지 대장, 건축물대장, 부동산 등기 정보를 하나로 통합하 여 사용자들에게 공개하고 있다. 2020년에는 부동산 등기 무료발급 서비스를 제공하여 부동산에 관련한 소유권 및 소유권 이외의 권리변동에 관한 사항을 손 쉽게 확인할 수 있도록 함에 따라 사용자가 급격히 증 가하게 되었다. 또한 부동산 경매정보와 매물정보를 제공하고 있으며 특히 매물을 정확한 위치 정보와 함
께 공개함에 따라 사용자들의 편의성을 높였다. 또한
<그림 3>에서 볼 수 있듯이 지역별로 활동하고 있는 공인중개사의 정보를 제공하여 공인중개사에게는 광 고효과를 제공하고 사용자에게는 지역 부동산 정보를 쉽게 얻을 수 있도록 하였다.
또다른 서비스로는 지역별 실거래가 통계가 있으며 거래총액, 평균매매가, 거래건수 등에 대한 정보를 제 공하고 있다. 밸류업시스템즈가 토지, 단독주택, 상업 용 건물 등 토지·건물 부동산 유형에 집중하고 있는 반면 디스코는 구분건물인 아파트에 대한 거래 통계 치를 추가적으로 제공하고 있다. 특히 구분건물(연립 다세대, 아파트)의 경우 매매가격 뿐만 아니라 전세가 격에 대한 정보를 확인할 수 있다. 전세는 전세금에 대한 이자수익과 임대료를 임차인과 임대인이 상호 상계한 임대차 방식으로서 임대인은 주택구입시 부족 한 자금을 차입하지 않고 주택가격 상승을 통해 이익 을 추구할 수 있고 임차인은 임대차계약기간 내 별도 의 임대료를 지불하지 않고 거주할 수 있다는 상호이 해관계를 기반으로 한다(남희찬, 김종진 2015). 따라 서 매매가격은 부동산의 교환가치로서 부동산의 자산
가치 상승분에 대한 기대로 형성되고, 전세가격은 사 용가치로서 부동산 자체가 갖는 유용성(usefulness), 효 용(utility)에 따라 결정된다. 사용가치가 뒷받침되지 않은 자산가치는 그 만큼 투기적인 성격이 강한 시장 을 의미하므로 매매가격과 전세가격의 격차인 전세가 율은 해당 지역 부동산 시장의 투기과열정도를 간접 적으로 파악할 수 있는 지표가 된다. 한국감정원에서 국내 부동산의 전세가율에 대한 통계치를 제공해 주 고 있으나 전세가율은 지역 및 부동산 유형에 따라 격 차가 발생함에 따라 보다 국지적으로 파악할 필요가 있다. 디스코는 개별 부동산 물건별로 전세가율에 대 한 정보를 확인할 수 있기 때문에 사용자가 보다 정밀 한 정보를 얻을 수 있다.
4.1.3. 스페이스워크(랜드북)
스페이스워크는 서울주택도시공사(SH)의 가로주택 정비사업 설계 자동화 솔루션 개발을 시작으로 프롭 테크 업계에 발을 내딛은 기업이다. 스페이스워크 또 한 밸류업시스템즈 및 디스코와 마찬가지로 부동산의 실거래가 정보를 지도상에 시각화하여 제공하는 것을
<그림 3> 디스코 메인화면(실거래가, 매물정보 등 시각화)
기본으로 하고 있다. <그림 4>에서 알 수 있듯이 토지 대장, 건축물대장상의 정보 및 토지이용규제정보서비 스와 연동하여 국토의 계획 및 이용에 관한 법률에 따 른 지역·지구 및 기타 제한 사항 등을 도면과 함께 확 인할 수 있다. 다른 업체와 차별점은 해당 토지의 다 세대/다가구 주택을 신축할 경우의 기대수익과 설계 평가 점수(5점단위)를 확인할 수 있다는 점이다. 인공 지능을 활용한 가치평가 엔진을 보유하여 토지가치를 추정하고 있는데, 이때 토지의 가치는 현재 시점이 아 닌 수익성의 관점에서 해당 토지를 최유효이용으로 개발할 경우의 설계안을 기반으로 하는 개발 후 가치 를 상정한다(임혜연 2020). 예를 들어 제2종일반주거 지역 내에 지하 1층 지상 2층 규모의 노후 단독주택이 있는 경우, 해당 토지의 가치를 산정함에 있어서는 해 당 지역의 건폐율, 용적률 등에 따라 최대 건축 가능 용도를 결정하여 지상 5층의 다가구주택을 건축했을 경우를 상정한 가치로 계산하는 방식이다. 물론 이러 한 추정가치는 전문 감정평가업자가 평가하는 시장가 치가 아닌 바 공신력과 정확성을 담보할 수는 없다.
그러나 개별성이 강하여 파악이 어려운 토지가격에
대한 추정치를 제공함으로써, 사용자에게 토지의 개 발가능성에 대한 판단 기준을 제공하고, 실거래가, 매 물 호가 이외에 참고할 수 있는 또 다른 가격정보를 제공한 점에 의의가 있다.
또한 스페이스워크는 가로주택정비사업의 사업성 분석 서비스도 제공하고 있다. 가로주택정비사업이란 빈집 및 소규모주택정비에 관한 특례법에 따라, 불량 건축물이 밀집한 가로구역에서 종전의 도시조직과 가 로망을 유지하면서 주거환경을 개선하기 위한 사업을 말한다. 대규모로 진행되는 재개발, 재건축사업에 비 해서 규모가 작고 절차가 간소화되어 사업기간을 단 축하면서도 주변 환경을 개선할 수 있는 사업으로 주 목을 받고 있다. 스페이스워크는 건축설계 엔진을 활 용하여 가로주택정비사업에 적합한 최적의 설계 안을 산출하여 배치도, 평면 도, 그리고 해당 사업의 추진 가능성을 판단할 수 있는 주요 지표인 비례율과 분담 금 추정액도 제공한다. 현재 한국토지주택공사(LH), 서울주택도시공사(SH)를 포함한 공공기관부터 민간 의 조합까지 다양한 사용자가 해당 서비스를 통해 사 업성을 검토하고 있다.
<그림 4> 스페이스워크(랜드북) 메인 화면(실거래가, 추정 토지가격 등 시각화)
4.1.4. 비교 분석 요약 및 시사점
앞서 살펴본 세 개의 기업은 모두 부동산에 대한 정 보를 지도에 시각화 하는 사업모델을 기반으로 하고 있다. 밸류업시스템즈 및 디스코는 부동산 실거래가 격 정보를 중심으로, 부동산의 공공데이터 정보를 정 확하고 효율적으로 서비스하는데 중점을 두고 있는 반면, 스페이스워크는 개발가능성을 고려한 토지가치 에 중점을 두고 건축설계기술을 활용한 서비스를 발 전시키고 있는 것으로 보인다. 공통적으로 제공하고 있는 정보와 각 업체마다 차별적으로 제공하고 있는 정보는 <표 1>에 정리하였다.
프롭테크 기업 등을 통해 서비스된 정보들은 폐쇄 적이던 국내 부동산 시장에서 정보탐색비용을 획기적 으로 줄이는데 기여한 것으로 보인다. 그러나 여전히 세계시장과 비교하여 국내 프롭테크 기업의 성장 속 도는 느리며 정보의 다양성이 부족한 한계가 있다. 성 장 초기단계에는 유관 기관에 산재되어 있던 공공데 이터(1차데이터)를 활용하여 방법적 측면에서 보다 신속하고 효과적으로 사용자에게 제공하고자 하는 효 율성에 집중했다면 향후에는 자체적으로 사용자를 통 해 누적한 데이터를 가공하고, 분석한 2차데이터를 활 용하여 보다 다양하고 독자적인 정보를 시장에 제공
<표 1> 부동산플랫폼 기업이 제공하는 주요 정보비교
구분 밸류업시스템즈 디스코 스페이스워크
토지건물 실거래가격 O O △
(노후 단독건물, 나대지)
구분건물 실거래가격 X O X
토지특성정보 O O X
부동산 이력정보(등기정보) O O X
토지대장정보 O O O
건축물대장정보 O O O
토지이용계획정보 O O O (토지이용규제정보
서비스 연동)
개별공시지가 O O △
(공시지가 추세)
개별주택가격 X O X
전세가격(전세가율) X O X
입주업종현황 O O X
경매정보 O O X
매물정보 O O X
인근 유사 거래사례 O O O
실거래 현장 사진 O X X
로드뷰 O (카카오맵 연동) O (카카오맵 연동) O (카카오맵 연동)
토지가치추정액 X X O
설계검토 및 수익률 X X O
검색 트렌드정보 O X X
개발동향 O (지역 개발동향) X O (주변 신축개발
사례 및 동향)
부동산 뉴스 O O X
하는 역량이 필요할 것으로 보인다. 이러한 측면에서 밸류업시스템즈가 사용자 지역 검색량 순위를 분석하 여 보고서를 발표하거나 스페이스워크에서 토지가치 를 추정하여 설계가능성 및 사업성을 검토하는 보고 서를 제공하는 등의 노력 등은 아직 관련업계가 성장 중인 점등을 고려할 때 그 신뢰성과 정확성에 대한 검 증이 요구되지만 관련 업계 역량강화 측면에서는 긍 정적인 시도라고 보인다.
4.2. 통계적 분석
4.2.1. 밸류업시스템즈 보유 빅데이터
본 연구에서는 부동산플랫폼을 기반으로 사용자로 부터 수집한 정보의 유용성을 검토하고자 한다. 분석 대상 기업은 국내 대표 프롭테크 기업인 밸류업시스 템즈로 선정하였으며, 대상 기업이 보유하는 빅데이 터를 크게 <표 2>와 같이 자체구축데이터, 수집데이 터로 구분하였다. 자체구축데이터는 국가에서 제공하 는 실거래가, 토지특성정보 등의 공공데이터, 각 지자 체에서 발급하거나 정부 운영 민원24, 세움터 등을 통 해 발급, 열람 가능한 토지대장, 일반건축물대장 등 공적 서류의 내용 등을 통합한 데이터 등이 있다. 한 편, 사용자로부터 수집하고 있는 데이터는 회원가입 이 되어있는 일반 사용자의 회원정보, 협력관계로 등 록되어 있는 공인중개사의 회원정보, 공인중개사가 직접 작성한 중개성공사례의 적정성 여부 및 사정개 입 여부에 대한 설문조사 정보, 사용자가 입력하는 대 상 부동산의 건축비 정보 등이 있다. 또한 지역별 검
색량, 유형별 검색량 등의 정보가 있다. 현제 자체구 축데이터에 포함하는 모든 데이터는 사용자가 자유롭 게 플랫폼을 통해 제공받을 수 있으나, 수집데이터는 업체 내부에서 보유중이고, 일부는 연말 결산 보고서 및 뉴스 보도자료 등을 통해서 일반에 공개하고 있다.
밸류업시스템즈 보유 데이터 중 자체구축 데이터는 국토교통부 및 지방자치단체 등 관계 기관의 공공데 이터를 기반으로 하거나 공표된 뉴스 및 정책자료 등 을 기초로 구축된 데이터인 만큼 그 데이터의 신뢰성 은 이미 검증되어 있다. 그러나 업체 내부적으로 수집 한 데이터의 시사점에 대해서는 아직 검토된 바가 없 다. 부동산 플랫폼은 그 특성상 사용자의 정보가 계속 적으로 누적되고 그 양이 방대하므로 이러한 데이터 를 2차적으로 가공 분석하면 부동산 시장의 변화에 보다 신속하게 대응할 수 있을 것으로 보인다. 이에, 밸류업시스템즈에서 보유한 수집데이터 중에서 공인 중개사로부터 수집한 설문조사 데이터와 일반 사용자 로부터 수집한 지역별 검색량 데이터를 중점적으로 살펴보고 부동산 시장에서 보다 다양하게 활용할 수 있는 방안에 대해 살펴보기로 하겠다.
4.2.2. 공인중개사로부터 수집한 밸류업시스템즈 데 이터의 유용성 검토
밸류업시스템즈는 협력 공인중개사가 본인이 직접 중개한 매물(중개성공사례)을 홍보할 수 있도록 도움 을 주고 그 상호관계로서 해당 매물의 가격수준에 대 해 자체평가를 한 정보 및 거래의 사정이 있는 경우 그 사정에 대해 응답한 정보를 수집하여 보유하고 있
<표 2> 밸류업시스템즈 보유 데이터 종류
자체구축데이터 수집데이터
실거래가정보, 토지특성정보, 토지대장정보, 일반건축물대장정보, 토지이용계획확인서정보,
부동산이력정보, 개별공시지가정보, 개발정보
일반 사용자의 회원정보, 공인중개사의 회원정보, 공인중개사 설문조사 정보,
사용자가 입력하는 대상 부동산의 건축비정보,
지역별 검색량, 유형별 검색량 정보
다. 예를 들면, 실거래가 신고가 되어 있는 매물 중에 해당 매물을 중개한 공인중개사는 매수자와 매도자 또는 그 양자의 입장에서 중개를 진행했을 당시 해당 실거래가격 수준이 적정한지, 시세 대비 저가거래인 지, 고가거래인지를 평가하고, 만약 적정한 가격수준 이 아닌 경우 어떠한 사정이 개입되어 있는지를 답하 였다. 거래일 기준 2006년도부터 2020년까지 중개성 공사례로 등록된 물건은 전체 7,104건이고, 이중 구체 적인 사유를 입력한 분석대상은 4,164건으로 조사되 었다. 이중 3,258건(응답자의 78.2%)가 시세대로 거래 한 적정사례로 응답하였고, 시세대비 저가거래로 응 답한 건수는 844건(20.3%), 시세대비 고가거래로 응답 한 건수는 62건(약 1.5%)로 조사되었다. 저가거래의 사유로는 지인, 관계자의 거래가 44%로 가장 많은 비 중을 차지하고 있다. 반면, 고가거래의 사유로는 지인, 관계자 거래가 44%로 가장 많았으며, 매매 후 신축 사 례가 23%로 가장 많은 비중을 차지했다.
본 연구는 시간적 범위를 최근 3년 (2018년~2020년) 으로 보고, 공간적 범위는 서울특별시로 한정하여 공 인중개사가 분류한 적정거래사례 <집단 1>과 저가거 래사례 <집단 2>를 비교하여, 해당 응답을 사정보정치 를 계량화하는데 신뢰성 있게 활용할 수 있을지를 점 검하였다. 비교는 토지단위면적당 단가와 각 토지의 개별공시지가와의 격차율을 기준으로 하였다. 감정평 가 실무기준은 토지의 감정평가 시 시점수정, 지역요 인 및 개별요인의 비교 이외에 대상토지의 가치에 영 향을 미치는 사항이 있는 경우에는 “그 밖의 요인” 보 정을 할 수 있다고 규정한다. 실무적으로 토지단위면 적당 단가와 공시지가와의 격차를 “그 밖의 요인”이라 하므로, 본 연구에서는 비교 기준을 이 격차율로 삼았 다. 토지가격 추정을 위해서는 전체 거래가격에서 건 물가격을 공제해야 하며, 이 때 건물의 가격은 감정평 가에 관한 규칙 제15조에 따라 원가법을 적용하였다.
원가법은 대상물건의 재조달원가에 감가수정을 하여 대상물건의 가액을 평가하는 방법으로, 재조달원가는 한국감정원 제공 건물 신축단가표상의 등급별 표준가 격의 평균치를 기준하였고, 감가수정은 정액법(감정 평가 실무기준)에 의하였다. 이렇게 계산한 토지단위 면적당 단가와 개별공시지가의 격차율 분석 결과 <집 단 1> 격차율의 평균은 2.19, <집단 2> 격차율의 평균 은 1.93으로 분석되었으며 <그림 5>에서 결과를 시각 적으로 보여주고 있다. 격차율이 낮을수록 가격수준 이 낮은 것을 의미하므로, <집단 2>의 가격수준이 낮 게 분석되었다. 유의성 검증을 위해 우선 두 집단의 등분산성을 검정하였다. 귀무가설은 “집단의 분산이 같다”이고, 연구가설은 “집단의 분산이 다르다”이다.
등분산 검정 결과 F 값은 1.577, 유의확률은 0.211로써 유의수준 0.05를 초과하여, 연구가설이 기각되고, 귀 무가설을 따르게 된다. 즉 두 집단의 등분산이 가정된 다. 독립표본 t 검정 결과 t값은 2.963이며, 유의확률은 0.017(p<0.05)로 나와 두 집단간의 평균 격차율이 유의 미한 차이가 있는 것으로 분석되었다. 즉 거래사례의 가격수준 적정성 여부에 따라 격차율에 차이가 있을 것이라는 대립가설이 채택가능 하다.
<그림 5> 두 집단의 평균 격차율 비교
본 연구는 밸류업시스템즈가 수집하고 있는 데이터 가 거래가격의 적정성 여부를 판단하는데 유의미한
결과를 나타냄을 확인하였고, 이러한 데이터는 향후 부동산 감정평가 산업에서 부동산 감정평가 시 기초 자료로 활용할 수 있을 것으로 기대된다. 감정평가에 관한 규칙에는 부동산의 가격을 파악하기 위한 방법 으로 원가방식, 비교방식, 수익방식을 규정해 놓고 있 다. 그 중 시장성의 원리(market data approach)에 근거 하여 평가하는 거래사례비교법이 토지의 감정평가방 법으로 사용되고 있다. 거래사례비교법을 적용할 때 가장 첫번째 단계가 사례자료의 수집이다. 이때 적정 한 가격수준으로 거래되었거나, 적정한 가격수준으로 보정이 가능한 사례를 대상으로 하여야 하는데, 공인 중개사로부터 수집한 데이터상 적정거래여부 및 사유 가 유의미한 결과가 있는 것으로 확인된 만큼 이를 사 례 선정의 근거로 삼을 수 있을 것으로 기대된다. 두 번째로, 사례 자료의 정상화라는 과정이 있는데, 이는 거래 사정이 개입된 가격수준을 그러한 사정이 개입 되지 않았을 경우의 가격수준으로 정상화하는 작업을 일컫는다(경응수 2010). 부동산 시장은 정보의 비대칭 성이 심하여, 거래 사례에 다양한 사정이 개입될 여지 가 많다. 본 연구에서 검토한 데이터 상 거래사유에 해당하는 지인, 관계자 거래 등이 이러한 사정개입의 예로 볼 수 있다. 이러한 사정개입은 일정한 기준이나 법칙이 없고, 이를 계량화 하기가 어렵다. 따라서 거 래진행 당시 중개자로서 직접 참여하고, 부동산 시장 에 대한 실무적 경험이 많은 공인중개사의 정보는 이 런 사정개입의 정도를 계량화하는데 중요한 자료로 활용할 수 있을 것이다.
또한 최근 프롭테크 산업에서 인공지능을 활용하여 부동산가치추정 모델을 개발하고자 하는 노력이 다양 하게 이루어 지고 있으며, 주로 이상치를 제거한 실거 래사례를 기반한 모델을 활용하는 방법이 주를 이룬 다. 이 때 학습대상인 대상 실거래의 이상치 제거 방 법으로 상기의 적정거래사유 여부에 대한 데이터를
활용하거나 또는 이를 보정하는 기준치를 결정하는 일에 활용할 수 있을 것으로 기대된다. 뿐만 아니라 사용자에게는 저가 거래 또는 고가 거래 사례 등에 대 한 정보를 제공함으로써 인근 시세 및 부동산 시장 동 향을 파악하는데 참고하도록 하고, 이상거래를 확인 할 수 있도록 하여, 부동산 사기 등의 피해에 노출되 는 것으로 예방하는 데 기여할 수 있다.
4.2.3. 밸류업시스템즈의 일반사용자 검색량 데이터 에 대한 유용성 검토
최근 많은 연구에서 시장참여자의 관심도 및 수요 변화를 관찰하기 위한 지표로서 인터넷 검색량 추이 를 활용하고 있다. 특히 금융시장에서는 인터넷 검색 량을 기업 정보에 대한 수요와 관심정도의 척도로써 활용하여, 주식시장에서의 반응을 연구하는 다양한 시도가 있었다(Rubin and Rubin 2010; Vlastakis and Markelos 2012). 국내에서는 기업의 주가 및 거래량, 주식 수익률 분석을 위해 인터넷 검색량을 활용하고 있다(구평회, 김민수 2015; 김류미 2018). 인터넷 트렌 드 데이터는 국내 5천만 월간 사용자의 웹사이트 행 동 데이터를 기반으로 트렌드 분석 결과를 제공하고 있는데 지난 3년간(2018년~2020년) 국내에서 가장 많 이 사용된 검색엔진은 네이버(63.03%)이고, 2위가 구 글(28.1%)로 나타났다. 이에 국내의 다수 연구들은 네 이버 검색량을 정보 수요의 척도로 활용하고 있다. 부 동산 시장의 수요는 특정 부동산에 속한 지역에 대한 관심도로 살펴볼 수 있다. 그러나 네이버 검색어 트렌 드로 이를 분석하기에는 그 분석의 범위가 너무 포괄 적이라는 한계가 있다. 예를 들면, 경기도 화성시 내 부동산에 대한 관심의 정도를 파악하기 위해서 “화성 시”라는 검색어를 활용할 수 있으나, 이는 지역명에 해당하므로 이 지역명이 반드시 부동산에 대한 관심 인지 특정하기 어렵다. 반면 부동산 플랫폼의 경우,
사용자의 플랫폼 이용목적이 부동산에 대한 정보를 얻기 위함이라고 특정되기 때문에 부동산 플랫폼을 통한 지역에 대한 검색량 정보는 해당 지역에 속한 부 동산에 대한 관심의 척도로서 의미가 있을 것으로 기 대된다.
본 연구에서는 밸류업시스템즈로부터 제공받은 2020년 전국 지역별 실거래 가격 검색량을 토대로 검
색량과 거래량과의 관계를 분석하였다. 사용자들이 검색을 하는 방식은 직접 주소 조회창에 주소를 검색 하는 방식과 지도상에 표기된 실거래가를 클릭하여 실거래가에 대한 정보를 조회하는 방식이 있다. 이중 주소를 검색하는 방식에 대한 데이터 분석 결과, 사용 자가 주소 전체를 검색하는 경우도 있지만, 주소의 일 부만 검색하는 경우도 포함되어 있어서 실제 관심 있
<표 3> 토지 유형별 거래량과 검색량 회귀분석 결과
독립변수 종속변수 모형적합도 회귀계수 t 값
토지 검색량 토지 거래량 =513.1, <0.05
: 0.702 0.0344 22.652, <0.05 단독주택 검색량 단독주택 거래량 =454.2, <0.05
: 0.677 0.0095 21.311, <0.05 상업용 부동산 검색량 상업용 부동산 거래량 =92.56, <0.05
: 0.302 0.0013 9.621, <0.05
<그림 6> 토지 거래량과 검색량
<그림 7> 단독주택 거래량과 검색량 <그림 8> 상업용부동산 거래량과 검색량
어 하는 부동산의 유형을 특정할 수 없는 한계가 있었 다. 따라서 본 연구는 보다 적극적인 정보 탐색행위로 서, 지도상에 표기된 실거래가 상세정보를 클릭하여 부동산을 조회하는 사람들의 검색량을 독립변수로 삼 았고, 동일 기간 실거래가의 거래량 수를 종속변수로 삼았다. 분석 대상기간은 2020년으로 한정하였고, 지 역의 범위는 전국 구, 군으로 하였다. 그 결과 단독주 택의 경우 분석 대상은 219건이며, R2가 0.677, p-value 가 0.05미만으로서 67.8%로 설명력으로 유의미한 양 의 상관관계가 있음을 확인하였다. 토지(나대지, 전, 답 등)의 경우 분석 대상은 220건이며, R2가 0.702, p-value가 0.05미만으로서 70.2%로 높은 설명력으로 유의미한 양의 상관관계가 있음을 확인하였다. 한편 상업용의 경우 분석 대상은 216건이며, R2가 0.302, p-value가 0.05미만으로서 유의미한 양의 상관관계가 확인되며 상대적으로 토지, 단독주택에 비해서는 모 형의 설명력이 낮게 분석되었다 (그림6~8, 표3).
부동산의 거래량은 시장조사의 유효한 수단으로서, 투기 지표의 하나로 이용하여 감시하며(방경식, 장희 순 2016), 부동산 시장의 활성화 정도를 파악하는 중 요한 지표이다. 그러나 국토교통부에서 발표하는 부 동산 거래량에 대한 공공데이터는 실시간으로 제공되 지 않고, 한 달을 주기로 공개되는 한계가 있다. 그러 나 부동산플랫폼을 통한 검색량 정보는 실시간으로 수집되며, 제공될 수 있다. 본 연구에서 살펴본 바와 같이 부동산 유형별 검색량과 거래량이 유의미한 상 관 관계가 있음이 확인된 바, 실시간 검색량 정보는 거래량보다 선행적으로 부동산 시장의 활성화 정도를 추정할 수 있는 좋은 대안이 될 것으로 보인다. 이러 한 검색량 정보는 부동산 거래량 정보와 상호 보완하 여 투기지표로서 토지거래계약 허가 지역 지정 및 주 택투기과열지구지정 운용 등의 부동산정책 수립 시 기초자료로 활용할 수 있다.
5. 국내 프롭테크 기업의 발전방향
2017년 포브스가 발표한 가장 혁신적인 성장기업 20개사 중 영국과 미국의 부동산 정보 제공업 3개사 가 포함되었다. 2020년 기준 세계적인 프롭테크 업체 는 수천 개에 이르며, 이 중 기업가치가 10억 달러가 넘는 유니콘 기업은 질로우, 레드핀 등을 포함한 23개 이다. 이러한 글로벌 업체들은 정보제공 서비스를 기 반으로 현재는 직접 부동산 중개를 하거나 자체 기준 에 따라 저평가된 주택을 직접 매입하여 리모델링을 하여 파는 등 적극적으로 산업을 주도해 나가고 있다. 이에 비해 국내 프롭테크 업체는 아직 정보제공 단계 에 머물러 있는 실정이다. 그러나 본 연구에서 조사한 내용과 같이 국내 프롭테크 업체가 제공하고 있는 정 보의 종류가 다양해지고 특히 내부적으로 축적하고 있는 정보의 유용성도 의미 있게 나타난 바, 이를 토 대로 글로벌 기업을 벤치마킹하여 보다 적극적으로 산업을 주도해 나갈 수 있을 것으로 기대된다.
5.1. 부동산 가치 추정 서비스 제공
프롭테크 글로벌 선도기업 중 하나인 질로우의 경 우는 실거래가 자료 및 부동산 특정 정보 등을 기반 으로 자체 인공지능기술을 활용하여 감정평가프로그 램을 개발하였고, 예상 주택가격을 산정하여 시장에 새로운 가격정보를 제공해 주고 있다. 인공지능을 활 용한 부동산 가치추정은 부동산 산업에 있어서 핵심 기술로써 학문적, 실무적으로 관심이 고조되어 있는 분야이다. 부동산 가치추정 기술에 있어서 핵심은 부 동산 실거래가격을 기준으로 분석 대상과 비교대상 이 되는 사례의 특성차이를 비교하는 것이다. 종래에 는 개별 부동산이 갖는 부동산 특성을 변수로 삼아 다중회귀모형으로 가치를 추정하는 방식이 주를 이
루다가 최근에는 머신러닝을 활용한 부동산 가치 추 정방식에 대한 연구가 주를 이루고 있다. 이 때 전통 적인 통계적 방식과 머신러닝 모두 부동산 실거래가 격을 종속변수로 부동산의 특성 등을 독립변수로 활 용하고 있으며, 선행 연구에서 변수로 삼은 항목들은 아래와 같다.
본 연구에서 정리한 국내 프롭테크 업체가 제공하 는 정보 <표 1> 중 토지건물 실거래가격, 구분건물 실 거래가격의 정보는 부동산 가치 추정 시 종속변수에 해당하며, 토지특성정보, 토지대장정보, 건축물대장 정보, 토지이용계획정보 등은 독립변수에 대한 정보 를 제공한다. 최근에는 부동산 이미지를 활용하여 부 동산 가치에 영향을 미치는 비선형적 특성을 변수로 활용(이창로 등 2019) 하는데, 국내 프롭테크 업체가 제공하는 로드뷰 및 현장사진 정보를 이에 활용할 수 있을 것이다. 또한 인터넷 활용도의 증가로 검색량에 대한 정보가 시장을 예측하기 위한 주요 변수로 활용 되는데, 본 연구에서 부동산 플랫폼을 통한 검색량이 부동산 거래량과 유의미한 결과가 있는 것으로 확인 된 바, 이러한 검색량을 적극적으로 활용하여 부동산 가치추정 성능 및 시장예측 성능을 보다 더 향상시킬 수 있을 것으로 기대된다.
5.2. 임대 관리 및 이상 거래 경고를 위한 플랫폼 구축
지난해 미국 부동산 시장에서 가장 큰 이슈는 주택 을 즉시 사고파는 아이바잉(iBuying)이다. 아이바잉은 중개사 없이 부동산을 즉시 거래하는 것으로서, 매도 자가 매물을 홈페이지에 등록하면, 아이바잉 업체는 자체 빅데이터, 인공지능 기술을 활용하여 적정 현금 매입가를 제시하고, 신속하게 현금으로 주택을 매입 한다. 질로우, 오픈도어, 레드핀 등이 대표적이다. 부 동산은 고가의 자산으로서, 부동산을 거래하는데 시 간이 많이 소요되는데, 아이바잉 업체는 자체적으로 부동산을 미리 평가해 놓고, 즉각적으로 매입을 진행 하기 때문에, 매도자입장에서는 빠르게 부동산을 매 각할 수 있고, 아이바잉 업체 측에서는 부동산 중개수 수료의 이득 및 매입한 부동산을 재매도 또는 리모델 링 하여 재판매 함으로써 수익을 창출한다. 이렇게 고 도화된 프롭테크 기업으로 발전하기 위해서는 선행적 으로 부동산시장을 효율적으로 분석하기 위한 정보가 필요하며, 국내 프롭테크 기업이 보유하고 있는 매물 정보, 사용자 정보, 개발동향 및 설계검토 및 수익률 정보를 활용하면 이를 고도화할 수 있을 것으로 보인 다. 특히, 특정부동산의 용도지역, 면적 등을 검토하여
<표 4> 부동산 가치 추정 관련 선행연구에서 적용된 변수
연구자 독립변수 종속변수
이창로, 박기호(2016) 용도지역, 도로접면, 방위, 경과년수, 건물연면적, 토지면적, 건물구조, 지붕구조 등
강남구 단독주택 실거래가격 조유나, 김수현, 송규원(2017) 준공년도, 세대수, 세대당 주차대수, 용적률, 건폐율,
지하철역까지 거리, 전유면적, 건설사, 난방방식 등
아파트 실거래가격 배성완, 유정석 (2018) 층, 대지권면적, 전용면적, 경과년수,
지하철역과의 거리, 세대수, 거래월, 동 등
아파트 실거래가격 Marjan Ceh , Milan Kilibarda ,
Anka Lisec and Branislav Bajat (2018)
구조, 준공년도, 엘리베이터유무, 건물유형, 층수, 면적, 연면적, 대중교통과의 거리, 학교와의 거리 등
아파트 실거래가격 Yunjong Kim, Seungwoo Choi,
and Mun Yong Yi (2020)
전용면적, 방수, 화장실 수, 주차장 수, 향, 층수, 난방방식, 위도, 경도 등
아파트
실거래가격
건축 가능한 건물 규모를 미리 계산하고, 이를 매입 후 신축하였을 경우 또는 용도 변경하였을 경우 예상 수익률을 미리 파악할 수 있는 기술을 발전시키면 부 동산을 장기 보유하고 있는 소유자뿐만 아니라, 개발 업자, 수요자 등 다양한 이해관계자에게 유익한 정보 를 제공할 수 있을 것으로 보인다.
중국의 대표적인 프롭테크 기업인 KE홀딩스는 중 국 최대의 온라인 주거용 부동산 거래 플랫폼으로 중 개와 더불어 개발사와 협업해 개발 프로젝트를 직접 진행하고 인테리어 리모델링 서비스를 제공한다. 특 히 매물정보를 정확하게 조사하여 잘못된 정보를 올 리는 업자를 처벌하거나 입지 대비 가격이 잘못 올라 온 것으로 보이는 매물에는 ‘주의’ 표기가 자동적으로 나타나도록 하여 중국 부동산 시장 내에서 투명성을 증진하며 성장하였다. 본 연구에서 검토한 중개업자 로부터 획득한 거래사정에 대한 정보기술 및 실거래 가격 정보 등을 활용하면 향후 KE홀딩스가 구현한 서 비스와 같이 입지 대비 가격이 잘못 올라온 것으로 보 이는 매물에 대한 경고를 제공할 수 있을 것으로 보인 다. 또한 실매물확인서, 공인중개사 설문정보 등을 활 용하여 이상 거래 자동 탐지기술을 발전시킬 수 있을 것으로 보인다.
한편 해외는 임대관리 관련 플랫폼 분야도 발전하 여 시장에 다양한 서비스를 제공하고 있다. 미국의
VTS는 임차인 정보, 임대차시장 현황 등을 제공하여 마케팅 자동화를 지원하는 임대관리 플랫폼이며, 영 국의 Fixflo는 임차인, 관리인, 임대인을 연결하여 건 물 보수과정에서 의사소통을 원활하게 지원해주는 플 랫폼이다. 우리나라는 개인정보보호 등의 문제 때문 에 상대적으로 임대시장에 대한 정보가 부족한 실정 이다. 현재 본 연구에서 조사한 플랫폼 기업에서 제공 하고 있는 임대관련 정보는 입주업종현황 및 매물 정 보상에 표기된 임대차현황 정보이다. 임대관련정보는 일부 건물에 대해서만 제공이 되며, 프랜차이즈 업종 이외의 정보에 대해서는 구체적이지 않다. 또한 매물 정보상에 표기된 임대차현황 정보는 임대차계약서가 아닌 공인중개사 기입한 정보 등에 의하고 있어 정확 성 및 신뢰성 측면에서 매매가격시장에 비하여 불완 전한 실정이다. 향후 임대매물을 대량으로 보유하고 있는 타 산업체, 예를 들면 대량으로 가맹점을 보유 관리하고 있는 통신업체 및 프랜차이즈업체 또는 소 상공인연합회 등과의 협력관계를 통해서 보다 다양하 고 신뢰도가 높은 임대 정보를 취득하여 임대시장에 대한 정보를 보완하는 노력이 필요할 것으로 보인다.
<표 5>는 국내 프롭테크 기업들이 관심을 가지고 발 전시켜야 할 기술들과 이를 벤치마킹할 수 있는 글로 벌 기업들을 정리해서 보여주고 있다.
<표 5> 플랫폼 업체 제공 정보를 기반으로 한 향후 발전 기술 및 벤치마킹 글로벌기업
플랫폼 업체 제공 정보의 종류 향후 발전 기술 벤치마킹 글로벌기업
토지건물 실거래가격, 구분건물 실거래가격, 토지특성정보, 토지대장정보, 건축물대장정보, 토지이용계획정보, 개별공시지가, 개별주택가격, 매물정보, 인근 유사거래사례, 실거래 현장사진, 로드뷰, 검색량,
공인중개사 설문정보 등
부동산 가치추정기술
질로우, 오픈도어, 레드핀
매물정보, 실거래 현장사진,
사용자정보, 개발동향, 설계검토 및 수익률 정보 아이바잉(iBuying) 질로우, 오픈도어, 레드핀 토지건물 실거래가격, 구분건물 실거래가격, 개별공시지가, 개별주택가격,
매물정보, 인근 유사 거래사례, 공인중개사 설문정보 등
이상 거래
탐지기술 KE홀딩스(중국)
입주업종현황, 매물정보 임대/자산관리 VTS, Fixflo
6. 결론 및 시사점
프롭테크 산업의 급격한 성장과 높은 관심에 비해 프롭테크 산업에 대한 연구는 많이 부족한 상황이다.
프롭테크 기업 관련 연구들의 상당수는 해외 프롭테 크 기업의 기술 및 성공사례에 집중하고 있고, 국내 프롭테크 기업의 경우, 가장 활성화된 영역인 중개, 매물 분야 기업에 대한 연구가 있으나 그 외 분야에 대한 연구는 부족하다.
본 연구는 기존 연구들과 비교하여 다음과 같은 세 가지 차별성을 가지고 있다. 첫째, 국내의 기업에 대 한 실증적인 연구라는 점이며, 둘째는 아직 연구가 많 이 이루어 지지 않은 분야인 “데이터와 가치평가” 과 관련한 기업을 분석대상으로 삼은 것이며, 셋째는 플 랫폼을 통한 데이터의 속성을 활용하여 사용자에게 제공하는 데이터와 사용자로부터 수집한 데이터를 양 방향으로 검토하고, 국내 프롭테크 기업들의 발전방 향을 제시하였다는 점이다. 이를 통해 정보의 다양성 을 강화하여 부동산 시장의 비대칭성을 완화하고, 부 동산 산업역량을 강화할 방안을 모색할 수 있다는데 이론적, 실무적 의의를 가진다고 할 수 있다.
부동산 플랫폼 기업은 플랫폼이라는 속성상 공급자 측면에서 사용자에게 정보를 제공하는 기능도 있지 만, 상호관계로서 사용자로부터 누적적으로 획득하는 정보의 양이 상당하다. 본 연구는 공급자로서 기업이 제공하는 정보뿐만 아니라 사용자로부터 획득하는 정 보에 대해 양방향에서 검토해 봤다는 점이 차별화 된 다. 특히, 사용자로부터 획득하는 정보는 정보 획득 주기가 짧아 단기간에 많은 데이터를 확보할 수 있을 뿐만 아니라 직접적인 시장의 수요지표로서 활용가능 성이 높아 이러한 정보를 분석, 가공하여 활용하는 분 야가 발전하면 부동산 산업의 역량강화에 기여하는 바가 클 것으로 기대된다.
해외 주요 선진국은 부동산 서비스 산업의 다각화 전략을 기반으로 단순한 정보제공기능을 넘어, 자체 적으로 축적한 데이터를 가공한 사업 모델을 제시하 며 부동산 시장을 확장하면서 발전하고 있다. 그러나 우리나라는 개인정보보호법, 정보통신망법, 신용정보 보호법 등과 같은 지나친 규제정책과 폐쇄적인 산업 분위기로 인하여 부동산 관련데이터의 공개가 제한적 이다. 본 연구에서 언급한 프롭테크 기업들은 이러한 정보의 접근성 및 편리성을 높여, 플랫폼 하나만으로 도 사용자가 부동산 관련 데이터를 통합적으로 살펴 볼 수 있도록 하는 서비스를 중심으로 발전하였다. 향 후에는 단순한 정보제공기능을 넘어 그동안 축적한 데이터를 융합하여 새로운 성장 모델을 개발하는 노 력을 하여야 할 것이다. 나아가 세계적으로 경쟁력을 갖춘 부동산 서비스 산업의 발전과 성숙을 위해서는 공공은 프롭테크 산업의 발전을 저해하는 지나친 규 제 정책을 완화하고, 공공과 민간이 협력하여 보다 더 다각화되고 투명한 부동산 데이터가 시장에 공급될 수 있도록 노력해야 할 것이다.
<참고문헌>
[국내 문헌]
1. JLL (2020). 글로벌부동사 투명성지수 2020 보고서.
2. KB금융지주 경영연구소 (2018). KB지식비타민: 프롭테크로 진화하는 부동산 서비스.
3. 경응수 (2010). 감정평가론. 다산출판사.
4. 구평회, 김민수 (2015). 인터넷 검색트렌드와 기업의 주가 및 거래량과의 관계에 대한 연구. 한국전자거래학회지, 20(2), 1-14.
5. 김류미 (2018). 인터넷 검색량과 투자자별 거래 및 주식수익률 의 관계에 관한 실증 연구. 금융공학연구, 17(2), 53-85.
6. 김선주, 장희순 (2020). 프롭테크시대 부동산산업의 역량강화 와 대응방안. 주택도시연구, 10(3), 97-117.
7. 김정선, 송태민, 권은주 (2014). 분석지의 확장을 위한 소셜 빅데이터 활용연구-국내 ‘빅데이터’ 수요공급 예측. 지식경영 연구, 15(3), 169-188.
8. 남희찬, 김종진 (2015). 아파트 전세가율 변동의 영향요인에 관한 연구. 주거환경, 13(2), 227-239.
9. 박인 (2020). 부동산 거래에 부동산 블록체인의 활용에 관한 연구-국제 부동산 거래의 Propy 사례를 중심으로. 부동산경영, 21, 115-152.
10. 방경식, 장희순 (2016). 부동산학총론. 부연사.
11. 배상영, 정기동 (2020). 부동산 플랫폼 Biz Model 사례연구.
부동산 도시연구, 13(1), 105-129.
12. 배성완, 유정석 (2018). 기계학습을 이용한 공동주택 가격추 정: 서울 강남구를 사례로. 부동산학연구, 24(1), 69-85.
13. 이경렬, 이경아 (2020). 언택트 시대 플랫폼 비즈니스의 인공 지능(AI) 활용 사례 연구. 상품문화디자인학연구, 62, 111-120.
14. 이경주, 김은영 (2020). 플랫폼 서비스 혁신에 있어 인공지능 (AI)의 역할과 효과에 관한 연구: 카카오 그룹의 인공지능 활용 사례 연구. 지식경영연구, 21(1), 175-195.
15. 이창로, 박기호 (2016). 단독주택가격 추정을 위한 기계학습 모형의 응용. 대한지리학회지, 51(2), 219-233.
16. 이창로, 이기환, 김보영 (2019). 부동산 과세가치추정방법 연구-AI기술의 접목을 중심으로. 한국지방세연구원 기본과제 제2019-05호.
17. 임혜연 (2020). 프롭테크(Proptech)와 가치평가: 랜드북 AI
가치평가를 사례로. 감정평가학논집, 19(1), 53-71.
18. 조용호 (2011). 플랫폼 전쟁. 21세기북스.
19. 조유나, 김수현, 송규원 (2017). 헤도닉 가격 모형과 딥러닝을 이용한 주택가격예측 비교. 한국정보과학회 학술발표논문집, 1890-1892.
20. 최병삼 (2012). 가치 창출 틀 플랫폼, 다원화혁명 이끈다.
DBR, 103 , 68-75.
21. 최봉, 윤종진, 엄태휘 (2019). 서울시 공공빅데이터 활성화 방안 연구. 지식경영연구, 20(3), 73-89.
22. 최수석 (2019). 부동산 핀테크(FinTech) 산업의 현황과 과제.
국토, 455, 32-37.
23. 통계청 (2020). 가계금융복지조사 결과.
24. 허윤경, 김성환 (2019). 프롭테크 기업, 부동산 산업의 새로운 미래. 한국건설산업연구원, pp. 1-38.
[국외 문헌]
25. Baum, A. (2017). PROPTECH 3.0: The future of real estate . UK: University of Oxford Research.
26. Baum, A. (2020). PROPTECH 2020: The future of real estate . UK: University of Oxford Research.
27. Čeh, M., Kilibarda, M., Lisec, A., & Bajat, B. (2018).
Estimating the performance of random forest versus multiple regression for predicting prices of the apartments. ISPRS International Journal of Geo-Information, 7 (168), 1-16.
28. Eisenhardt, K. M., & Graebner, M. E. (2007). Theory building from cases: Opportunities and challenges. The Academy of Management Journal, 50 (1), 25-32.
29. Kim, Y., Choi, S., & Yi, M. Y. (2020). Applying comparable sales method to the automated estimation of real estate prices. Sustainability, 12 (14), 1-19.
30. McKinsey Global Institute (2011). Big data: The next frontier for innovation, competition, and productivity . 31. Nikolaos, V., & Raphael, N. (2012). Information demand
and stock market volatility. Journal of Banking &
Finance, 36 (6), 1808-1821.
32. Rubin, A., & Rubin, R. (2010). Informed investors and
the internet. Journal of Business Finance and Accounting,
37 , 841-865.
33. Simon, P. (2011). The age of the platform: How Amazon, Apple, Facebook, and Google have redefined business . Motion Publishing.
[URL]
34. http://proptech.or.kr 35. https://www.disco.re
36. https://www.etoday.co.kr/news/view
37. http://www.internettrend.co.kr/trendForward.tsp 38. https://www.spacewalk.tech
39. https://www.valueupmap.com
저 자 소 개
이 정 윤 (Jungyun Lee)
연세대학교에서 건축공학 학사, 석사학위를 취득하였고, 현재 연세대학교 투자정보공학과 박사과정에 재학중이다. 감정평가사, 건축기사, 자산운영전문인력 자격을 보유하고 있다.
중앙감정평가법인에서 감정평가사/이사를 역임했으며 현재 에이블감정평가법인에서 감 정평가사로 근무 중이다. 밸류업시스템즈(밸류맵)에서 알고리즘 팀장으로서 연구 자문활 동을 하고 있으며, 성북구청 기획예산과 투자심사위원회 및 지적과 부동산가격공시위원회 위원으로 활동하고 있다. 주요 관심분야는 빅데이터, 머신러닝, 부동산 가치추정 및 시장 분석, 프롭테크 등이다.
오 경 주 (Kyong Joo Oh)
연세대학교 응용통계학과에서 학사학위(1991), 석사학위(1993)를 받고, KAIST 경영정보 공학과에서 박사학위(2000)를 받았다. 금강기획 마케팅전략연구소(1994)와 현대증권 리 서치센터(2001)에서 근무하였으며, 현재 연세대학교 산업공학과 교수로 재직중이다. 금 융공학연구실에서 시스템트레이딩, 핀테크전략과 스마트금융기술, 로보어드바이저를 연 구하며 학생들을 지도하고 있다.
안 재 준 (Jae Joon Ahn)
연세대학교 미래캠퍼스 데이터사이언스학부 교수로 재직 중이다. 연세대학교 산업공학과 에서 학사, 석사, 박사 학위를 취득하였고 현재 통계청 강원 지역통계협의회 위원과 책임 운영기관 자체평가단 외부위원으로 활동하고 있으며 주요 관심분야는 금융통계, 데이터마 이닝, 딥러닝 등이다.
< Abstract >
Study on the Development Direction of Domestic Proptech Company:
Focusing on the Real Estate Platform Information Provision Function
1)
Jungyun Lee
*
, Kyong Joo Oh**
, Jae Joon Ahn***
The real estate market is a representative imperfectly competitive market. Real estate information is characterized by being collected and utilized in a closed environment, and market participants have to pay a lot of time, effort, and costs to acquire such information. Korea's real estate public data is increasing year by year, but it is scattered by relevant ministries. So it is difficult to search and analyze, and the level of development of the industry using it is low. In the recent 4th industrial revolution, the proptech industry has developed as an industry to efficiently provide necessary information to the real estate market. In this study, based on the case of major companies in the real estate platform field among proptech companies, we looked at the types of information provided to users, and on the contrary, explored ways to utilize the data collected from users. The results of this study are expected to provide theoretical and practical implications for ways to reduce information asymmetry in the real estate market and contribute to the development of the real estate industry.
Key Words: Proptech, Real estate market, Information asymmetry, Knowledge management, Information search cost
* Department of Investment & information Engineering, Yonsei University ** Department of Industrial Engineering, Yonsei University
*** Division of Data Science, Yonsei University
